启明创投周志峰：未来一年，AI领域将发生什么？｜WAIC2026

当中国日均消耗的大模型Token自2024年暴涨3000倍至450万亿，当一家科技大厂的AI算力预算从去年的600亿陡然跳升至今年的3500亿，当具身智能赛道在两年内冒出370多家企业，“速度、强度、烈度都是在人类这几百年工业革命、信息革命中没有见过的超高水准。”

2026年世界人工智能大会（WAIC2026）期间，启明创投主管合伙人周志峰在“启明创投·创业与投资论坛——从算力原点到应用落地的进化征程”上用这些数据和案例，谈及过去十几个月最真实的体感。

周志峰的体感是戴着“权威性”的，启明创投从2013年开始系统性布局人工智能领域，截至目前，启明创投在AI领域累计投资了超过100个项目，投资总额达120亿元人民币。通过对底层算力、基础模型、多模态技术、具身智能及垂直应用的全产业链布局，启明创投已成功发掘并助推了多个创新标杆企业成长，见证AI进入智能爆发时代。

“投资人好像是坐着直升飞机去俯瞰人工智能各个领域的脉络，接收到鲜活的信号和产业趋势。”周志峰说。

此次论坛上，启明创投主管合伙人周志峰围绕基础模型、具身智能、AI基础设施、AI应用等做出2026启明创投AI十大展望。

在周志峰看来，当资本市场在模型层和具身智能领域迅速形成“共识”并陷入狂热时，真正的商业拐点，恰恰藏在那些“没有共识”的沉默地带。

从“外挂”到“内化”，模型层的资本红利与技术收敛

“我做一级市场投资，从来没有想过在我的职业生涯中还能在一级市场看到一家四千亿估值的公司。”周志峰在演讲中直言。

他指的是DeepSeek——这家成立仅数年的公司首轮融资估值即达5000多亿元人民币，而智谱上市后六个月市值破万亿，月之暗面、阶跃星辰等“大模型四小虎”的估值在几个月内从二三十亿美元飙至一二百亿美元。

这份“史无前例的资本红利”背后，是市场对模型价值的共识极速形成。周志峰用一组数据佐证：在Open Router这一全球模型聚合平台上，中国模型的使用量已连续11周超过美国模型；美国企业使用中国模型构建AI应用的占比，从一年前的4.5%飙升至46%。“在目前这一代模型，没有更上一个台阶之前，中国的模型和美国模型差距缩短到两三个月的时间。”

而启明创投2026十大展望的第一条便指出了这种“接近”的脆弱性：未来12-24个月，顶尖模型将内化大部分“外挂”能力——任务规划、工具调用、多Agent协同乃至部分Harness工程能力，都将从外部插件变成模型的原生能力。

这意味着，今天那些靠“套壳”和“编排”获得高估值的中间层公司，可能面临被底层模型“降维打击”的风险。

具身智能从“万小时”到“百万小时”的数据跃迁与估值迷雾

如果说模型层的共识已经形成，具身智能则是另一个资本蜂拥而至的“共识”赛道。不过，周志峰在这里展现了投资人特有的清醒——甚至可以说是审慎。

“具身智能是过去一年杀死我脑细胞最多的领域，没有之一。”他坦承自己“遇到不少看不懂的奇怪现象”：370多家新企业在两三年内成立，10家估值约200亿元，20家约100亿元，“这个密度太高了”。他打了个精准的比方：“具身智能像今天凌晨将拉下帷幕的世界杯，扩容了，一下子来了这么多选手，但最终的冠军仍然只有一个。扩容了更多的队伍来参加这个比赛了，竞争一定会更激烈。”

启明创投的展望三给出了一个硬核判断：头部机器人公司的有效数据将从2025年的“万小时级”跃升至2027年的“百万小时级”，其中人类第一视角数据将占绝对主导。

当前最顶级具身智能公司手中仅有几十万小时数据，离验证Scaling Law所需的百万小时量级还差一个数量级。周志峰判断，“最快就是今年年底、明年年初”可能实现突破，但前提是“你得先有100万小时的训练数据才能验证这个事”。

关于“世界模型是真方向还是伪命题”，周志峰直言：“我一直不认为世界模型是全新赛道，只是在一级市场被炒成了热门概念。”在他看来，这两者绝非非此即彼的平行路径，未来走向深度融合是趋势，近期市场上虽然新涌现出来大概30余家主打“世界模型”的初创企业，但剥开技术的概念外衣，“对比之前走VLA路线的公司来看，这两类公司在应对真实的商业化落地上，并没有拉开本质差别。”

他进一步拆解了具身智能的数据策略演变：真机数据质量顶尖但总量稀缺，“特斯拉尚且如此，其他企业更难实现”；视频数据海量但噪声大；介于两者之间的UMI数据（人类实操可穿戴设备记录）正成为主流。目前中美头部企业规划今年内积累超过100万小时训练数据，其中昂贵的真机遥操作数据占比较小，以人为核心的第一视角多模态数据会占绝对主导。

算力狂欢下的结构性紧缺与“杰文斯悖论”

“但凡炒股的人，过去半年一定交易过GPU算力股，交易过‘让我们活在光里’的光芯片、光互联、光通信股票。”周志峰表示。

他透露，某国内科技大厂去年算力预算最终落地约600多亿元人民币，“今年给出的预算是去年的六倍多”，“从来没有见过一个产业它的扩展规模与倍数会这么大”。

但这份狂欢背后，启明创投给出了展望五：AI算力需求重心正从训练转向推理，存储、先进制程和先进封装产能层层吃紧，未来两年AI基建将持续面临结构性紧缺。这与市场上“算力过剩”的担忧形成了鲜明对照。

周志峰用“杰文斯悖论”解释这一矛盾——1865年经济学家杰文斯观察煤炭/蒸汽机产业：瓦特改良蒸汽机后，单位煤炭消耗大幅下降，但低廉成本让蒸汽机普及到全行业，全社会煤炭总消耗量反而大幅上涨。“模型越变越便宜，从性能至上到性价比至上，但整个需求规模被激发增长了一千倍、一万倍。”

他预判未来五年全球新增算力投入总量将达50000亿美元，“这是目前人类商业社会上能看到的，比机器人领域确定性更强、落地周期更近的最大需求”。

不过，这份确定性中也藏着风险：如果AI应用落地无法保持持续爆发增长，“整体应用规模就无法提升，对于算力增长的预期就会被击破，一二级市场会出现集中风险”。

AI应用，被误读的“元年”与价值定价革命

“去年在这个场合做预测时，我们认为2025年是应用全面落地爆发的元年。但12个月过去了，我认为应用大势发展很好，但是打开方式跟去年我的预测是很不一样的。”

他提及，AI应用的发展速度“低于预期”——不是因为技术不够惊艳，而是因为互联网时代的商业逻辑在AI时代不成立了。

“互联网和移动互联网应用获得规模很重要，核心是先规模，有规模就能够商业变现。但AI应用是，没有找到好的商业变现方式之前，盲目地去扩大规模，每扩大一个用户、多一个Token的消耗，就要承担更多的成本，没有边际成本效应，这是与互联网和移动互联网最大的区别。”

他举了一个例子：某AI玩具企业卖出几十万台，但该公司解释“大概九成用户都不会长期启用AI交互功能”——这对公司反而是好事，“如果几十万用户全都高频对话、持续消耗token，公司根本扛不住成本”。

这正是启明创投展望八的核心洞察：未来12-24个月，AI应用的商业模式将加速脱离互联网时代的Freemium逻辑，转向以结果和价值定价。衡量AI公司的核心指标，将从用户规模转向“单位智能成本创造的商业价值”。

周志峰认同其同事的观点：“AI应用尤其是AI的C端应用，只在原有体系里做体验优化（改良），很难做大；只有重构供需关系的颠覆式商业模式变革，AI应用才会迎来真正爆发。”他以滴滴为例：早期只是撮合存量出租车，市场天花板极低；后来通过放开私家车接入做供给侧革命，才打开了几十倍的市场空间。

“所以AI领域想出现下一个C端超级应用，不光要依靠模型变得更好，也要供需关系上的重构，才能出现新的超级应用，这是我们非常期待。”

展望九进一步预判：AI应用商业化将聚焦垂直场景与高付费用户，效率端（Save time）将领先消费端（Kill time）率先爆发。

从数字化劳动力到物理劳动力的宏大叙事

面对未来，“当物理AI在物理世界的作业实现之后，基本上人类社会物理劳动力会极度充裕，我认为这是人类发展历程中，技术对经济和社会形态最底层的一次变革，变革的激烈程度会超过第一次工业革命、信息革命等过去所有的技术浪潮。到那一天可能就是人类社会发展到一个极大的丰腴程度。”

周志峰将AI发展分为三个阶段：互联网时代通过网站和App将信息边际成本降到极低；2023年大模型时代通过ChatGPT、豆包等工具让人以自然语言获取知识；2026年Agent的出现让“数字化工作的边际成本趋向于零”；最终，PhysicalAI（物理AI）将通过机器人等载体实现“物理世界中的作业”。

而从“丰腴”的终极愿景回到2026年的现实，中间隔着的是技术收敛的不确定性、商业闭环的艰难验证，以及资本周期必然的起伏。

“人类最大的教训就是从来不从历史上中吸取教训。”周志峰提及2000年互联网泡沫中的pets.com——“从创立到上市，就用了不到两年时间，结果纳斯达克上市一年不到公司倒闭了”。

启明创投的十大展望，本质上是一份在狂热中保持清醒的路线图。展望七指出：安全可信将与产品效果、Token成本并列为影响企业AI大规模落地的三大关键变量，安全可信AI将从可选项升级为必选项。展望十预判：AI-Native组织将从概念走向实证，一批企业将实现数倍于传统组织的人均产出。

在AI时代，一年足以见证沧海桑田，但也足以让缺乏底层价值的狂欢，从云端跌落尘埃。唯有扎根技术迭代、落地真实商业价值的AI创新，才能收获长期成长。“下一阶段，AI将从技术可用走向价值可持续，构建可持续的商业生态是诞生现象级产品的核心前提。”周志峰表示。

启明创投AI十大展望

基础模型

展望一：未来12-24个月，顶尖模型将内化大部分“外挂”能力，包括任务规划、工具调用、多Agent协同及部分Harness工程能力等。

展望二：多模态模型将进一步向可交互世界建模演进，成为AI在物理世界获得环境感知、长期规划并大规模落地的关键技术路径。

具身智能

展望三：头部机器人公司的有效数据，将从2025年的“万小时级”，跃升到2027年的“百万小时级”，其中人类第一视角数据会占绝对主导。

展望四：灵巧手将迎来加速发展，带有触觉感知的灵巧手会逐渐成熟并持续降本，与双指夹爪方案形成高低搭配，在复杂操作场景逐渐规模化渗透。

AI基础设施

展望五：AI算力需求重心转向推理，存储、先进制程和先进封装产能层层吃紧，未来两年AI基建将持续面临结构性紧缺，算力资产储备将升格为AI企业的核心战略。

展望六：AI基础设施将进入系统级竞争阶段，竞争维度覆盖芯片、互联、散热、供电等关键环节，未来两年内有望涌现基于新架构的算力芯片及超节点大集群，以实现低成本、高效率的Token生产。

展望七：安全可信将与产品效果、Token成本并列为影响企业AI大规模落地的三大关键变量，安全可信AI将从可选项升级为必选项。

AI应用

展望八：未来12-24个月，AI应用的商业模式将加速脱离互联网时代的Freemium逻辑，转向以结果和价值定价。衡量AI公司的核心指标，将从用户规模转向单位智能成本创造的商业价值。

展望九：未来12-24个月，AI应用商业化将聚焦垂直场景与高付费用户，效率端（save time）将领先消费端（kill time）率先爆发；伴随Token成本持续下降与交互范式创新，现象级AI消费应用将逐步浮现。

展望十：未来12-24个月，AI-Native组织将从概念走向实证，一批企业将实现数倍于传统组织的人均产出。